Skip to main content
Weiter zur Homepage der Europäischen Kommission (öffnet in neuem Fenster)
Deutsch Deutsch
CORDIS - Forschungsergebnisse der EU
CORDIS
Inhalt archiviert am 2024-06-18

Global Optimization Methods in Computer Vision, Pattern Recognition and Medical Imaging

Ziel

Computer vision concerns itself with understanding the real world through the analysis of images. Typical problems are object recognition, medical image segmentation, geometric reconstruction problems and navigation of autonomous vehicles. Such problems often lead to complicated optimization problems with a mixture of discrete and continuous variables, or even infinite dimensional variables in terms of curves and surfaces. Today, state-of-the-art in solving these problems generally relies on heuristic methods that generate only local optima of various qualities. During the last few years, work by the applicant, co-workers, and others has opened new possibilities. This research project builds on this. We will in this project focus on developing new global optimization methods for computing high-quality solutions for a broad class of problems. A guiding principle will be to relax the original, complicated problem to an approximate, simpler one to which globally optimal solutions can more easily be computed. Technically, this relaxed problem often is convex. A crucial point in this approach is to estimate the quality of the exact solution of the approximate problem compared to the (unknown) global optimum of the original problem. Preliminary results have been well received by the research community and we now wish to extend this work to more difficult and more general problem settings, resulting in thorough re-examination of algorithms used widely in different and trans-disciplinary fields. This project is to be considered as a basic research project with relevance to industry. The expected outcome is new knowledge spread to a wide community through scientific papers published at international journals and conferences as well as publicly available software.

Wissenschaftliches Gebiet (EuroSciVoc)

CORDIS klassifiziert Projekte mit EuroSciVoc, einer mehrsprachigen Taxonomie der Wissenschaftsbereiche, durch einen halbautomatischen Prozess, der auf Verfahren der Verarbeitung natürlicher Sprache beruht. Siehe: Das European Science Vocabulary.

Sie müssen sich anmelden oder registrieren, um diese Funktion zu nutzen

Schlüsselbegriffe

Schlüsselbegriffe des Projekts, wie vom Projektkoordinator angegeben. Nicht zu verwechseln mit der EuroSciVoc-Taxonomie (Wissenschaftliches Gebiet).

Programm/Programme

Mehrjährige Finanzierungsprogramme, in denen die Prioritäten der EU für Forschung und Innovation festgelegt sind.

Thema/Themen

Aufforderungen zur Einreichung von Vorschlägen sind nach Themen gegliedert. Ein Thema definiert einen bestimmten Bereich oder ein Gebiet, zu dem Vorschläge eingereicht werden können. Die Beschreibung eines Themas umfasst seinen spezifischen Umfang und die erwarteten Auswirkungen des finanzierten Projekts.

Aufforderung zur Vorschlagseinreichung

Verfahren zur Aufforderung zur Einreichung von Projektvorschlägen mit dem Ziel, eine EU-Finanzierung zu erhalten.

ERC-2007-StG
Andere Projekte für diesen Aufruf anzeigen

Finanzierungsplan

Finanzierungsregelung (oder „Art der Maßnahme“) innerhalb eines Programms mit gemeinsamen Merkmalen. Sieht folgendes vor: den Umfang der finanzierten Maßnahmen, den Erstattungssatz, spezifische Bewertungskriterien für die Finanzierung und die Verwendung vereinfachter Kostenformen wie Pauschalbeträge.

ERC-SG - ERC Starting Grant

Gastgebende Einrichtung

MAX IV Laboratory, Lund University
EU-Beitrag
€ 1 440 000,00
Adresse
Paradisgatan 5c
22100 LUND
Schweden

Auf der Karte ansehen

Region
Södra Sverige Sydsverige Skåne län
Aktivitätstyp
Higher or Secondary Education Establishments
Links
Gesamtkosten

Die Gesamtkosten, die dieser Organisation durch die Beteiligung am Projekt entstanden sind, einschließlich der direkten und indirekten Kosten. Dieser Betrag ist Teil des Gesamtbudgets des Projekts.

Keine Daten

Begünstigte (1)

Mein Booklet 0 0